ICRA 2026｜KAN We Flow?（機器人控制）
重點摘要
原文作者：用戶“多多的賈維斯”原文鏈接：https://www.xiaohongshu.com/ KAN We Flow? Advancing Robotic Manipulation with 3D Flow Matching via KAN & RWKV 一、整體概述1. 本文提出KAN-We-Flow，一種用於機器人三維操作的高效流匹配策略模型。2. 核心貢獻在於用RWKV與KAN替代傳統大規模UNet骨幹，在保持甚至提升成功率的同時，大幅降低參數量與推理延遲。3. 方法在Adroit、Meta-World、DexArt三大基準上取得當前最優或並列最優性能，參數量減少約86.8%，支持實時控制。二、研究背景1、擴散式策略① 優點是動作分佈建模能力強② 缺點是需要多步去噪，推理慢、模型重，不利於真實機器人部署2、流匹配策略① 通過學習一步向量場實現快速生成② 但現有方法仍大量依賴UNet，計算與存儲開銷依舊偏大3、核心問題如何在保證精度的前提下，進一步壓縮模型規模並提升實時性 三、動機直覺1、RWKV具備線性複雜度的時序建模能力，適合長時序動作預測2、KAN基於可學習的一維函數逼近，能以更少參數表達複雜非線性映射3、將二者結合，有望同時解決“長時序依賴”和“參數效率”問題四、技術路線1、整體框架① 採用一致性流匹配，實現一步動作生成② 輸入為點雲感知、機器人狀態與時間編碼2、核心網絡① RWKV-KAN骨幹網絡* RWKV負責時間與通道混合，建模動作序列上下文* GroupKAN對特徵通道進行分組的非線性函數校準，替代傳統MLP② Action Consistency Regularization（ACR）* 通過歐拉外推，將一步預測動作與專家軌跡在末端對齊* 提供額外監督，穩定訓練，不增加推理成本3、學習目標聯合一致性流匹配損失與ACR正則項進行端到端訓練五、實驗結果
原文作者：用戶“多多的賈維斯”原文鏈接：https://www.xiaohongshu.com/ KAN We Flow? Advancing Robotic Manipulation with 3D Flow Matching via KAN & RWKV 一、整體概述1. 本文提出KAN-We-Flow，一種用於機器人三維操作的高效流匹配策略模型。2. 核心貢獻在於用RWKV與KAN替代傳統大規模UNet骨幹，在保持甚至提升成功率的同時，大幅降低參數量與推理延遲。3. 方法在Adroit、Meta-World、DexArt三大基準上取得當前最優或並列最優性能，參數量減少約86.8%，支持實時控制。二、研究背景1、擴散式策略① 優點是動作分佈建模能力強② 缺點是需要多步去噪，推理慢、模型重，不利於真實機器人部署2、流匹配策略① 通過學習一步向量場實現快速生成② 但現有方法仍大量依賴UNet，計算與存儲開銷依舊偏大3、核心問題如何在保證精度的前提下，進一步壓縮模型規模並提升實時性 三、動機直覺1、RWKV具備線性複雜度的時序建模能力，適合長時序動作預測2、KAN基於可學習的一維函數逼近，能以更少參數表達複雜非線性映射3、將二者結合，有望同時解決“長時序依賴”和“參數效率”問題四、技術路線1、整體框架① 採用一致性流匹配，實現一步動作生成② 輸入為點雲感知、機器人狀態與時間編碼2、核心網絡① RWKV-KAN骨幹網絡* RWKV負責時間與通道混合，建模動作序列上下文* GroupKAN對特徵通道進行分組的非線性函數校準，替代傳統MLP② Action Consistency Regularization（ACR）* 通過歐拉外推，將一步預測動作與專家軌跡在末端對齊* 提供額外監督，穩定訓練，不增加推理成本3、學習目標聯合一致性流匹配損失與ACR正則項進行端到端訓練五、實驗結果1、性能表現① 在Adroit、Meta-World、DexArt上整體成功率優於FlowPolicy與DP3② 在高難度、長時序任務中優勢更明顯2、效率對比① 參數量約33.6M，相比DP3減少86.8%② 推理時間約8–11ms，滿足100Hz實時控制3、消融實驗① RWKV、GroupKAN與ACR均對性能有穩定增益② ACR在長預測窗口下顯著降低動作漂移 雷峰網
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。